INSTITUTO TECNOLOGICO SUPERIOR DE VALLADOLID

INGENIERIA CIVIL 1°B

ÁLGEBRA LINEAL
VV

TRANSFORMACIONES
LINEALES

DOCENTE: I.C. JOSÉ PLÁCIDO POOL CANUL v

Fecha de entrega: 15/12/2022

 INDICE:

 5.1 Definición de transformación lineal

5.1.1 Definición de transformación lineal
5.1.2 Definición de las transformaciones lineales (monomorfismo, epimorfismo,
isomorfismo)

 5.2 Núcleo e imagen de una transformación lineal

 5.3 Representación matricial de una transformación lineal

5.3.1 Matriz de transformación
5.3.2 Relación núcleo e imagen
5.3.3 Transformación polinomial

 5.4 Aplicación de las transformaciones lineales: reflexión, dilatación,

contracción y rotaciones
5.4.1 Expansión sobre el eje x y el eje y
5.4.2 Contracción sobre el eje x y el eje y
5.4.3 Reflexión sobre recta
5.4.4 Rotación de objetivos
5.1 DEFINICIÓN DE TRANSFORMACIÓN LINEAL
En primer lugar, una transformación lineal es una función. Por ser función, tiene su dominio y su
condominio, con la particularidad de que éstos son espacios vectoriales. Tenemos dos espacios
vectoriales VV y WW, y una función que va de VV a WW. O sea, una regla de asignación que
transforma vectores de VV en vectores de WW. Pero no toda función que transforme vectores de
VV en vectores de WW es una transformación lineal

5.1.1 Monomorfismos: Transformaciones lineales inyectivas

Recordemos que una función F:A→BF:A→B es inyectiva si verifica la siguiente propiedad:
F(x1)=F(x2)⇒x1=x2∀x1,x2∈AF(x1)=F(x2)⇒x1=x2∀x1,x2∈AEn el caso particular de las T.L., puede
demostrarse que:
Sea F:V→WF:V→W una transformación lineal,
FF es inyectiva (monomorfimo) ⇔⇔ Nu(F)={0V}Nu(F)={0V}
Epimorfismos: Transformaciones lineales sobreyectivas
F:V→WF:V→W es sobreyectiva (epimorfismo) ⇔Im(F)=W⇔Im(F)=W
Isomorfismos: Transformaciones lineales biyectivas
F:V→WF:V→W es biyectiva (isomorfismo) ⇔Nu(F)={0V}∧Im(F)=W⇔Nu(F)={0V}∧Im(F)=W
Ejemplo 1
Consideremos la siguiente transformación lineal T:R2→R3T((x,y))=(x+y,x–
y,2x)T:R2→R3T((x,y))=(x+y,x–y,2x) Saquemos el núcleo de la transformación:
(x,y)∈Nu(T)⇔T((x,y))=(0,0,0)(x,y)∈Nu(T)⇔T((x,y))=(0,0,0)(x+y,x–y,2x)=(0,0,0)⇒x=0∧y=0(x+y,x–
y,2x)=(0,0,0)⇒x=0∧y=0Entonces por la propiedad enunciada anteriormente podemos decir que TT
es un monomorfismo. Por el teorema de las dimensiones resulta:dim(Im)=dim(R2)–dim(Nu)=2–
0=2dim⁡(Im)=dim⁡(R2)–dim⁡(Nu)=2–0=2Como la dimensión de la imagen es 2, entonces no es un
epimorfismo (sobreyectiva). Conclusión: TT es un monomorfismo.
5.2 NÙCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL
Definición: Sea T:V→WT:V→W una transformación lineal. El núcleo o kernel de T,T, denotado
como núcleo(T),núcleo(T), es el conjunto de todos los vectores en VV que son mapeados por TT al
00 de W.W. Es decir,núcleo(T)={v∈V∣T(v)=0}.núcleo(T)={v∈V∣T(v)=0}.La imagen de T,T, denotada
por Im(T),Im(T), es el conjunto de todos los vectores en WW que son imágenes de los vectores en
VV bajo T.T. Es decir,Im(T)={T(v)∣v∈V}.Im(T)={T(v)∣v∈V}.
Ejemplo: Halle el núcleo y la imagen de las siguientes transformaciones lineales.
1. S:P2→R,S:P2→R, donde S(p(x))=p′(0).S(p(x))=p′(0).
2. T:P2→P2,T:P2→P2, donde T(p(x))=xp′(x).T(p(x))=xp′(x).
Solución:
1. Notemos que S(a+bx+cx2)=(b+2cx)(0)=b.S(a+bx+cx2)=(b+2cx)(0)=b.
Luego,núcleo(S)={a+bx+cx2∣b=0}={a+cx2∣a,c∈R}=gen(1,x2).núcleo(S)={a+bx+cx2∣b=0}={a+cx2∣a,c
∈R}=gen(1,x2).Por otro
lado,Im(S)={S(a+bx+cx2)∣a,b,c∈R}={b∣a,b,c∈R}=R.Im(S)={S(a+bx+cx2)∣a,b,c∈R}={b∣a,b,c∈R}=R.
2. Notemos que T(a+bx+cx2)=x(b+2cx)=bx+2cx2.T(a+bx+cx2)=x(b+2cx)=bx+2cx2.
Luego,núcleo(T)={a+bx+cx2∣bx+2cx2=0}={+bx+cx2∣b=c=0}={a⋅1∣a∈R}=gen(1).núcleo(T)={a+bx+cx
2∣bx+2cx2=0}={a+bx+cx2∣b=c=0}={a⋅1∣a∈R}=gen(1).Por otro
lado,Im(T)={T(a+bx+cx2)∣a,b,c∈R}={bx+2cx2∣b,c∈R}=gen(x,x2).Im(T)={T(a+bx+cx2)∣a,b,c∈R}={bx+
2cx2∣b,c∈R}=gen(x,x2).
Teorema: Sea T:V→WT:V→W una transformación lineal... Entonces,
1. núcleo(T)núcleo(T) es un subespacio de V.V.
2. Im(T)Im(T) es un subespacio de W.W.
Definición: Sea T:V→WT:V→W una transformación lineal. El rango de TT es la dimensión de la
imagen de TT y se denotará por rango(T).rango(T). La nulidad de TT es la dimensión del núcleo de
TT y se denota como nulidad(T).nulidad(T).

Ejemplo: Para las transformaciones lineales del anterior ejemplo tenemos

querango(S)=1ynulidad(S)=2yrango(T)=2 ynulidad(T)=1.rango(S)=1ynulidad(S)=2yrango(T)=2
ynulidad(T)=1.Notemos querango(S)+nulidad(S)=3=dimP2,rango(T)+nulidad(T)=3=dimP2.rango(S)
+nulidad(S)=3=dim⁡P2,rango(T)+nulidad(T)=3=dim⁡P2.Los anteriores son casos particulares del
siguiente resultado.
Transformaciones lineales inyectivas y sobreyectivas
Definición: Sea T:V→WT:V→W una transformación lineal. Decimos que
1. TT es inyectiva si para todo u,v∈V:T(u)=T(v)u,v∈V:T(u)=T(v) implica que u=v.u=v.
2. TT es sobreyectiva si Im(T)=W.Im(T)=W. Es decir, si para todo w∈Ww∈W existe v∈Vv∈V tal
que T(v)=w.T(v)=w.
Teorema: Una transformación lineal T:V→WT:V→W es inyectiva si y sólo si
núcleo(T)={0}.núcleo(T)={0}.
Corolario: Suponga que dimV=dimW.dim⁡V=dim⁡W. Una transformación lineal T:V→WT:V→W es
inyectiva si y sólo si TT es sobreyectiva.
Ejemplo: Determine si las transformaciones del ejemplo 1 son inyectivas y/o sobreyectivas.
Solución:
1. Como núcleo(S)≠{0},núcleo(S)≠{0}, SS no es inyectiva. Como Im(S)=R,Im(S)=R, SS sí es
sobreyectiva.
2. Como núcleo(T)≠{0},núcleo(T)≠{0}, TT no es inyectiva. Como Im(T)≠P2,Im(T)≠P2, TT no es
sobreyectiva.
Ejemplo: Determine si la transformación lineal T:Mn×n→Mn×n,T:Mn×n→Mn×n, dada por
T(A)=AT,T(A)=AT, es inyectiva y/o sobreyectiva.

Solución: Notemos que

núcleo(T)={A∣T(A)=O}={A∣AT=O}={O}.núcleo(T)={A∣T(A)=O}={A∣AT=O}={O}. Por tanto, TT es
inyectiva.
Ahora, dada B∈Mn×n,B∈Mn×n, podemos tomar A=BT.A=BT. Luego, T(A)=(BT)T=B.T(A)=(BT)T=B.
Luego, TT es sobreyectiva.
Teorema: Sean T:V→WT:V→W una transformación lineal, B={v1,…,vn}B={v1,…,vn} un
subconjunto de VV y T(B)={T(v1),…,T(vn)}.T(B)={T(v1),…,T(vn)}.
1. Si BB es un conjunto generador para V,V, entonces T(B)T(B) es un generador para
Im(T).Im(T).
2. Si TT es inyectiva y BB es linealmente independiente en V,V, entonces T(B)T(B) es
linealmente independiente en W.W.
3. Suponga que dimV=dimW.dim⁡V=dim⁡W. Si TT es inyectiva y BB es una base para V,V,
entonces T(B)T(B) es una base para W.W.
Núcleo de una transformación lineal
Sea F:V→WF:V→W una transformación lineal. Llamamos núcleo de FF al conjunto de vectores del
dominio cuya imagen por FF es el 0W0W.Nu(F)={v∈V|F(v)=0W}Nu(F)={v∈V|F(v)=0W}El núcleo de
una transformación lineal es un subespacio de VV.
Imagen de una transformación lineal
Llamamos imagen de FF al conjunto de vectores de WW que son imagen de algún vector de VV.

Representación matricial de una transformación lineal

Su definición Sean V y W dos espacios vectoriales de dimensión n y m, respectivamente, y sea
T: V→W una transformación lineal, entonces existe una matriz A de orden m × n llamada matriz de
transformación o representación matricial de T que satisface T(v) = Av para toda v en V.
Representación Matricial de una transformación R3 en R4
Si se tiene una transformación T: R3 → R4 dada por

La T representa la transformación, que será representada por AT, mientras que la matriz a su lado
representa el vector original. El resultado es la transformación realizada. Para poder representarla
de forma matricial lo que se debe obtener es la matriz de transformación. Ya que a la vez se
obtiene, se pueden determinar otros datos como el núcleo y la imagen de la transformación.
Para este caso utilizando el resultado de la transformación, se puede determinar fácilmente la
matriz de transformación, separando el vector original y determinando las operaciones que se
realizaron

Y su representación quedaría como la matriz de trasformación multiplicando al vector original para

dar como resultado a la transformación:
Matriz de transformación

Efecto de aplicar varias matrices de transformación afín 2D sobre un cuadrado unitario (de lado 1).
Téngase en cuenta que las matrices de reflexión son casos especiales de la matriz de escala
Relación núcleo e imagen
En matemáticas, especialmente en álgebra, el núcleo de un Homomorfismo es el conjunto de
puntos que son cancelados por la función. Se define de diferentes maneras dependiendo del
contexto en el que se utiliza; en general está relacionado con el concepto de función inyectiva. Uno
de los casos más significativos es el de mapas lineales entre grupos o espacios vectoriales : el
núcleo es el conjunto de elementos del dominio que tiene una imagen cero, es decir, el conjunto de
elementos que la aplicación envía a cero. Es un conjunto cero. El núcleo es un subconjunto del
dominio de la función, y a menudo se conoce como Ker ⁡ ( f ) {\displaystyle \ ker (f)} , del Kern
alemán. Hereda las mismas propiedades algebraicas del espacio en el que vive, y está
estrechamente relacionado con la imagen de la función, ya que generalmente el núcleo y la imagen
se comportan de manera complementaria.
El núcleo de un Homomorfismo de grupos f : X → Y ¿Cómo puedo hacerlo?} es el subconjunto de
X {\displaystyle X} que consiste en los puntos que son llevados por la función en el elemento neutro
de Y ¿Por qué?} : En otras palabras, el núcleo es el conjunto de puntos que la función deshace. El
núcleo es siempre un subgrupo de X {\displaystyle X} ; en particular, siempre contiene el elemento
neutro de X {\displaystyle X} . En el caso X {\displaystyle X} Sea un espacio vectorial (que es un
grupo con respecto a la adición) y f {\displaystyle f} dejar ser una aplicación lineal (por lo tanto un
Homomorfismo entre los respectivos grupos aditivos), el núcleo k y r ( f ) ¿Cómo puedo hacerlo?)}
es un subespacio vectorial de X {\displaystyle X} (además de ser un subgrupo). Ambos A Acerca
de Nosotros} una matriz de tipo más × y {\displaystyle m \ times n} con elementos en un campo K {\
displaystyle K} . El núcleo de A Acerca de Nosotros} es el conjunto de vectores v {\displaystyle v}
en K y Método de codificación de datos:}} tal que: esta definición es consistente con la anterior si la
aplicación es lineal: y el núcleo de A Acerca de Nosotros} tan definido es el núcleo de L A ¿Por
qué?}} . Equivalente: el núcleo de A Acerca de Nosotros} es un subespacio vectorial de K y Método
de codificación de datos:}} , cuyo tamaño se llama nulidad de A Acerca de Nosotros} .

Ejemplo de imagen: La imagen del conjunto X es el conjunto Y, porque todos sus valores son
imagen de alguno del conjunto X. Imágenes
particulares de los valores: la imagen de 1 será D, la de 2 será B, la de 3 será C y la de 4

será C también. Ejemplo de Subconjunto imagen: Subconjunto imagen de X (D,B,A) dentro del
conjunto Y (aquí Y no es imagen de X, porque no todos sus valores son imagen de algún valor del
conjunto de X). Imágenes particulares de los valores: La imagen de 1 será D, la de 2 será B, la de
3 será A, y C no es imagen de nadie (no tiene antiimagen).

Transformación polinomial
En complejidad computacional, una transformación polinómica, reducción polinómica o reducción
de Karp, es una manera de relacionar dos problemas de decisión, de manera que la existencia de
un algoritmo que resuelve el primer problema, garantiza inmediatamente, y a través de un tiempo
polinómico, la existencia de un algoritmo que resuelve el segundo.
Formalmente, sean L y M lenguajes formales sobre los alfabetos Σ y Γ, respectivamente, una
transformación polinómica de L en M es una función computable:
que puede ser calculada en tiempo polinómico en función del tamaño de la entrada, y que está
definida por:
para todo elemento w de Σ*.
Cuando esta función f existe, se dice que "L es polinómicamente transformable en M".
La idea de reducir problemas en otros se utiliza comúnmente en la clasificación de problemas en
varias clases de complejidad, tales como NP-completo, PSPACE-completo y EXPTIME-completo.
Un polinomio es una expresión algebraica que consta uno o más términos sumados entre sí. Para
que una expresión pueda ser considerada polinomio debe cumplir con las siguientes reglas:
Las variables de cada término tiene exponentes elevados a cantidades enteras positivas.
Las variables no deben estar dentro de radicales.
No debe haber variables en el denominador de fracciones que aparezcan en algún término.
Esto es:
x−2
éste no es un término polinomial... ...porque la variable tiene exponente negativo.
1x2
éste no es un término polinomial... ...porque la variable está en el denominador.
x−−√
éste no es un término polinomial... ...porque la variable está dentro de un radical.
14x5
Éste sí es un término polinomial... ...porque obedece todas las reglas.

Aplicación de las transformaciones lineales.

En primer lugar, una transformación lineal es una función. Por ser función, tiene su dominio y su
co-dominio, con la particularidad de que éstos son espacios vectoriales. Tenemos dos espacios
vectoriales V y W, y una función que va de V a W. Ósea, una regla de asignación que transforma
vectores de V en vectores de W. Pero no toda función que transforme vectores de V en vectores
de WW es una transformación lineal. Debe cumplir ciertas condiciones:
F: V→WF: V→W es una transformación lineal si y sólo si:
• F(u+v) =F(u)+F(v) ∀u, v∈VF(u+v) =F(u)+F(v) ∀u, v∈V
• F(k*v) =k*F(v) ∀v∈V, ∀k∈RF(k*v) =k*F(v) ∀v∈V, ∀k∈R
Reflexión.
Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de entrada a otro
de manera tal que este es isométrico al espacio euclidiano de entrada, la llamamos reflexión del
conjunto de puntos dados. También se realiza con respecto a la matriz, en tal situación la matriz de
salida es llamada la matriz de reflexión. La reflexión es realizada siempre con respecto a uno de
los ejes, sea el eje x o el eje y. Esto es como producir la imagen espejo de la matriz actual.

Dilatación.
Al igual que en la reflexión, se pueden expandir los puntos dados en una dirección particular. La
expansión se realiza habitualmente para un cierto grado. Es como realizar una operación de
multiplicación de los elementos del conjunto de puntos dados con un término escalar hacia la
dirección donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de expansión 2 es la
dirección de y, entonces el nuevo punto obtenido es (2, 6).

Contracción.
La contracción es el procedimiento inverso de la expansión. Aquí el punto es contraído en un
determinado grado hacia una dirección dada. Sea el punto de entrada (4, 8) y este debe ser
contraído para el grado dos en la dirección de x entonces el nuevo punto resulta ser (2, 8).
Rotación.
El término rotación tiene dos significados, pues la rotación de un objeto puede ser realizada con
respecto al eje dado o al eje mismo. La rotación se realiza para un cierto grado el cual es
expresado en forma de un ángulo. Asimismo, la rotación puede realizarse en la dirección de las
manecillas del reloj, o inverso a las manecillas del reloj.

Expansión sobre el eje x y el eje y

La expansión a lo largo del eje x es una transformación lineal que a cada (x, y) del dominio le hace
corresponder (c x, y). La constante c se denomina factor de expansión y es c > 1.
La compresión a lo largo del eje x es una transformación lineal que a cada (x, y) del dominio le
hace corresponder (c x, y). La constante c se denomina ahora factor de compresión y es 0 < c < 1.
Las expansiones o compresiones a lo largo del eje y son transformaciones lineales que a cada (x,
y) del dominio le hace corresponder (x, c y).La constante es c > 1 para las expansiones y 0 < c < 1
para las compresiones.

Expansión y contracción vertical: g(x)=k·f(x)

Cuando multiplicas la coordenada y de la función original f(x) por una constante k:
Si k>1, la función se dilata (se expande) en el eje y
Si 0<k<1, la función se contrae en el eje y
Puedes expandir o contraer una función en el eje y multiplicándola por un número k mayor que uno
o entre cero y uno respectivamente. La función roja, es la función original La función azul es la
función original dilatada y la función verde es la función original contraída.
Observa un punto cualquiera de la gráfica original. Por ejemplo, el (x,y)=(-2,1). Si haces y=k·f(x), el
nuevo punto pasará a ser (2,k). A la luz de esto, ¿sabrías decir el valor de k para la función
dilatada y la contraída?
Reflexión sobre rectas
Una reflexión es una transformación que actúa como un espejo: intercambia todos los pares de
puntos que están en lados exactamente opuestos de la recta de reflexión.
La recta de reflexión se puede definir con una ecuación o con dos puntos por los que pasa.
Rotación de objetos
En matemáticas, la rotación es un concepto que tiene su origen en la geometría. Cualquier rotación
es un movimiento definido en un determinado espacio que conserva al menos un punto en su
posición original. Puede describir, por ejemplo, el giro de un cuerpo rígido alrededor de un punto
fijo. Una rotación es diferente a otros tipos de movimientos (como la traslación, que no tiene puntos
fijos; o la reflexión).
Rotación de un objeto en dos dimensiones alrededor del punto O
Para un espacio n-dimensional, la rotación se caracteriza por presentar un plano (n-1)-dimensional
completo de puntos fijos. Una rotación en el sentido de las agujas del reloj se considera por
convenio una magnitud negativa, y de forma análoga, un giro en el sentido contrario a las agujas
del reloj tiene una magnitud positiva.
Matemáticamente, una rotación es una aplicación. Todas las rotaciones sobre un punto fijo forman
un grupo bajo unas reglas de composición, denominado grupo de rotación (de un espacio en
particular). Pero en mecánica y, más generalmente, en física, este concepto se entiende con
frecuencia como un sistema de coordenadas (importante, siempre que se trate de una
transformación de una base ortonormal), porque para cualquier movimiento de un cuerpo hay una
transformación inversa que si se aplica al sistema de referencia da como resultado que el cuerpo
siga estando en las mismas coordenadas. Por ejemplo, en dos dimensiones, girar un cuerpo en el
sentido del reloj alrededor de un punto donde se mantienen los ejes fijos, equivale a girar los ejes
en sentido contrario a las agujas del reloj alrededor del mismo punto mientras el cuerpo se
mantiene fijo. Estos dos tipos de rotación se denominan transformaciones activas y pasivas.
Cuando se consideran movimientos del espacio euclídeo que preservan el origen de coordenadas,
la distinción entre puntos y vectores (importante en matemáticas puras) se puede ignorar, porque
existe una función biyectiva canónica entre los puntos y los vectores de posición. Lo mismo ocurre
con otras geometrías distintas de la euclídea, pero cuyo espacio es un espacio afín con una
estructura suplementaria (véase más abajo el ejemplo sobre la relatividad).
Alternativamente, la descripción vectorial de las rotaciones puede entenderse como una
parametrización de las rotaciones geométricas salvo su composición con las traslaciones. En otras
palabras, un vector de rotación representa muchas rotaciones equivalentes sobre "todos" los
puntos del espacio.

Un movimiento que conserva el origen es lo mismo que una aplicación lineal sobre un conjunto de